Pesquisadores da Escola de Engenharia Tandon da NYU estão utilizando técnicas de aprendizado de máquina para prever o consumo de energia em edifícios em diferentes escalas de tempo, com o objetivo de fornecer dados que auxiliem na redução das emissões de gases de efeito estufa em áreas urbanas. Essa pesquisa está sendo conduzida pelo Professor Semiha Ergen e seu aluno de doutorado, Henry Kwon, no Departamento de Engenharia Civil e Urbana.

Um dos principais desafios enfrentados pela equipe de pesquisa foi a escassez generalizada de dados históricos detalhados sobre o consumo de energia em edifícios. O Professor Ergen observou: “Na realidade, a maioria dos edifícios possui apenas dados mensais de consumo de eletricidade”. Para solucionar esse problema, a equipe desenvolveu um algoritmo chamado STARS, que é inicialmente treinado com uma grande quantidade de dados simulados de edifícios e, em seguida, transfere esse conhecimento para edifícios reais, prevendo o consumo de eletricidade nas próximas 24 horas. Testes com dados de 101 edifícios reais no estado de Nova York mostraram que o erro de previsão ficou abaixo do limite padrão calibrado pela indústria. O Professor Ergen afirmou: “Em última análise, isso ajudará a melhorar a eficiência da rede elétrica e o conforto dos moradores”.

Outro estudo se concentra nos impactos de longo prazo das mudanças climáticas na demanda de energia. A equipe desenvolveu um modelo de aprendizado de máquina que incorpora conhecimentos de física, treinado com dados reais de consumo de energia de mais de mil edifícios na cidade de Nova York, para prever as mudanças mensais no consumo de energia em um cenário de aumento de temperatura de 2 a 4 graus Fahrenheit. Estudos mostraram que, por exemplo, um aumento de 4 graus Celsius na temperatura pode levar a um aumento de 7,6% no consumo médio de energia no verão.

Esses estudos de previsão do consumo de energia em edifícios, conduzidos em diferentes escalas de tempo, desde a coordenação de curto prazo para situações apocalípticas até a adaptação climática de longo prazo, contribuem para a gestão da rede elétrica, o planejamento de infraestrutura e a formulação de políticas. Como o consumo de energia operacional está diretamente ligado às emissões, este trabalho, em última análise, visa a redução das emissões de gases de efeito estufa.